基于椭圆凸壳的PSVM分类器设计开题报告

全文总字数：767字

1. 研究目的与意义

局部化广义特征值最接近支持向量机（localized proximal support vector machine via generalized eigenvalues，lgepsvm）是从广义特征值最接近支持向量机（proximal support vector machine via generalized eigenvalues，gepsvm）衍生而来。

其原理是在gepsvm通过求解广义特征值方程生成两个彼此不平行的超平面的基础上，分别求解两个超平面的凸壳，作为分类判别的依据：测试样本将被归为与其距离最近凸壳所属的那一类。

基于此，lgepsvm很好地解决了gepsvm在某些情况下的错分问题。

2. 国内外研究现状分析

2001年，fung 和mangasarian 两人提出了psvm。

2006年，mangasarian 和wild 针对psvm做出改进，进一步提出gepsvm。

2007年，yang和chen两人在提出了lgepsvm。

4. 研究创新点

本文提出了马氏度量下LGEPSVM的分类规则，不仅简化了原来较为繁琐复杂的判别过程，而且相比原生的LGEPSVM更加简单易懂。

因此，本文提出的新分类器MLGEPSVM有如下几个特点：(1) 分类速度快，(2)判别规则简单，(3)实验结果表明，马氏度量下LGEPSVM还有着比LGEPSVM更好的分类性能。